公开(公告)号：CN117932272A

公开(公告)日：2024-04-26

申请号：CN202410171317.5

申请日：2024-02-06

Applicant: 中南大学

Inventor： 吴文旭 ,  刘刚 ,  马卫武 ,  冯涛 ,  郭晓甜

IPC: G06F18/20 ,  G06F18/213 ,  H02J3/00 ,  G06N3/0442 ,  G06N3/08 ,  G06Q50/06

Abstract: 本申请涉及一种基于PSO‑LSTM模型的多特征逐时电力负荷预测方法，包括：通过获取目标区域的历史逐时电力负荷数据以及目标区域对应的气象数据；对存在异常的历史逐时电力负荷数据进行异常处理；对处理后的历史逐时电力负荷数据进行归一化处理，并基于归一化处理的结果构建训练集和测试集；提取出正常的历史逐时电力负荷数据的时间特征数据，并组合气象数据构建多特征组合集；采用粒子群优化算法对LSTM模型进行优化；将多特征组合集和训练集输入至优化后的LSTM模型进行训练；将多特征组合集输入至训练完成的优化后的LSTM模型，最终得到预测逐时电力负荷数据，提升了逐时电力负荷的预测精度。

公开(公告)号：CN117932271A

公开(公告)日：2024-04-26

申请号：CN202410171312.2

申请日：2024-02-06

Applicant: 中南大学

Inventor： 冯涛 ,  马卫武 ,  刘刚 ,  苏长青 ,  吴文旭 ,  郭晓甜

IPC: G06F18/20 ,  G06F18/213 ,  H02J3/00 ,  G06Q50/06 ,  G06N3/0442 ,  G06N3/08

Abstract: 本申请涉及一种多变量电力负荷预测方法，该方法包括：获取电力负荷预测数据集，电力负荷预测数据集包括气象因素和日需求负荷数据；根据气象因素和日需求负荷数据选取待预测日的相似日，对相似日中的气象因素进行预处理，得到相似日中气象因素的特征序列；并对特征序列进行降维处理；组合降维后的特征序列和日需求负荷数据，构建训练集和测试集；通过训练集训练改进的LSTM模型；将测试集输入至训练完成的改进的LSTM模型，得到预测的电力负荷数据，加快了电力负荷预测中模型的收敛速度，防止过拟合现象的出现，提升了电力负荷预测的准确性，提高了能源利用效率和降低成本，保障能源供应的安全稳定。